license: mit
library_name: trl
tags:
- DPO
- WeniGPT
base_model: Weni/WeniGPT-Agents-Mistral-1.0.6-SFT-merged
model-index:
- name: Weni/WeniGPT-Agents-Mistral-1.0.6-SFT-1.0.11-DPO
results: []
language:
- pt
Weni/WeniGPT-Agents-Mistral-1.0.6-SFT-1.0.11-DPO
This model is a fine-tuned version of [Weni/WeniGPT-Agents-Mistral-1.0.6-SFT-merged] on the dataset Weni/wenigpt-agent-dpo-1.0.0 with the DPO trainer. It is part of the WeniGPT project for Weni. Description: Experiment on DPO with other hyperparameters and best SFT model of WeniGPT
It achieves the following results on the evaluation set: {'eval_loss': 0.2881975471973419, 'eval_runtime': 17.3794, 'eval_samples_per_second': 1.611, 'eval_steps_per_second': 0.806, 'eval_rewards/chosen': 1.1763746738433838, 'eval_rewards/rejected': -0.8690943121910095, 'eval_rewards/accuracies': 0.7857142686843872, 'eval_rewards/margins': 2.045469045639038, 'eval_logps/rejected': -193.93080139160156, 'eval_logps/chosen': -125.00711822509766, 'eval_logits/rejected': -1.8155311346054077, 'eval_logits/chosen': -1.7656012773513794, 'epoch': 5.951219512195122}
Intended uses & limitations
This model has not been trained to avoid specific intructions.
Training procedure
Finetuning was done on the model Weni/WeniGPT-Agents-Mistral-1.0.6-SFT-merged with the following prompt:
---------------------
System_prompt:
Agora você se chama {name}, você é {occupation} e seu objetivo é {chatbot_goal}. O adjetivo que mais define a sua personalidade é {adjective} e você se comporta da seguinte forma:
{instructions_formatted}
{context_statement}
Lista de requisitos:
- Responda de forma natural, mas nunca fale sobre um assunto fora do contexto.
- Nunca traga informações do seu próprio conhecimento.
- Repito é crucial que você responda usando apenas informações do contexto.
- Nunca mencione o contexto fornecido.
- Nunca mencione a pergunta fornecida.
- Gere a resposta mais útil possível para a pergunta usando informações do conexto acima.
- Nunca elabore sobre o porque e como você fez a tarefa, apenas responda.
---------------------
Training hyperparameters
The following hyperparameters were used during training:
- learning_rate: 5e-06
- per_device_train_batch_size: 1
- per_device_eval_batch_size: 1
- gradient_accumulation_steps: 2
- num_gpus: 2
- total_train_batch_size: 4
- optimizer: AdamW
- lr_scheduler_type: cosine
- num_steps: 366
- quantization_type: bitsandbytes
- LoRA: ("\n - bits: 4\n - use_exllama: True\n - device_map: auto\n - use_cache: False\n - lora_r: 8\n - lora_alpha: 16\n - lora_dropout: 0.05\n - bias: none\n - target_modules: ['v_proj', 'q_proj']\n - task_type: CAUSAL_LM",)
Training results
Framework versions
- transformers==4.40.0
- datasets==2.18.0
- peft==0.10.0
- safetensors==0.4.2
- evaluate==0.4.1
- bitsandbytes==0.43
- huggingface_hub==0.22.2
- seqeval==1.2.2
- auto-gptq==0.7.1
- gpustat==1.1.1
- deepspeed==0.14.0
- wandb==0.16.6
- trl==0.8.1
- accelerate==0.29.3
- coloredlogs==15.0.1
- traitlets==5.14.2
- git+https://github.com/casper-hansen/AutoAWQ.git
Hardware
- Cloud provided: runpod.io